基于MRI三维信息融合的经导管肝动脉化疗栓塞疗效评估

Transcatheter arterial chemoembolization (TACE) is the first choice of treatment for unresectable hepatocellular carcinoma (HCC). Dynamic contrast-enhanced magnetic resonance (DCMRI) is the main method for therapeutic efficacy evaluation of TACE. Clinically, TACE efficacy evaluation relies primarily on physician experience. This evaluation method is very simple, and the evaluation results are subjective. It prevents the subsequent development of individualized therapies. Since the imaging process of DCMRI is similar to that of functional MRI (fMRI), we will construct an objective, accurate and quantitative TACE evaluation system using fMRI data processing method. There are three methods to solve the key technical problems in the TACE evaluation system. Firstly, according to the characteristics of liver image, the method of elastic registration will be studied, and the individualized liver image standard space will be constructed for subsequent processing. Secondly, Characterization of the specificity of active liver cancer tissue in three-dimensional DC-MRI will be studied. And we construct a TACE model for evaluating the curative effect of patients by using intelligent pattern recognition method. Thirdly, we investigate the three dimensional display technologies for evaluating therapeutic result. It can help doctors to evaluate the curative effect and diagnose accurately, and provide the basis for the accurate evaluation of TACE efficacy and the formulation of individualized treatment plan for HCC patients.

经导管动脉化疗栓塞术（TACE）是进展期肝癌（HCC）的首选疗法, 动态增强磁共振(DCMRI)是TACE疗效评估的主要手段。临床上TACE疗效主要依赖医生凭经验进行诊断与评估，手段简单、过程粗放、结果主观，极大地限制了最优化个体治疗方案的制定。由于DCMRI和功能磁共振（fMRI）的成像过程具有共同点，本课题借鉴fMRI数据处理方法，对客观、精确、定量地TACE疗效评估系统中的关键技术开展研究。针对所面临的挑战，1)结合肝脏图像特征，研究三维配准方法，构建个体化的肝图像标准空间；2)研究活性肝癌组织在三维DCMRI中的特异性特征描述，利用智能模式识别方法构建TACE疗效评估模型，融合DCMRI影像信息，实现客观、精确、定量的个体化疗效评估；3)研究疗效评估结果的三维显示方法，以便更好地辅助医生进行疗效评估和精确诊断，为HCC患者的TACE疗效精确评估和个体化治疗方案的制定提供依据。

动态增强医学影像（包括DCE-MRI，DCE-CT）是肝癌患者TACE疗效评估的主要方法，且具有非常重要的临床价值。但目前还存在很多问题与挑战，缺乏针对TACE疗效评估三维可视化平台，对TACE疗效很难做到精准评估。课题组拟构建用于TACE疗效评估的数学模型以及三维可视化技术，为HCC患者的TACE疗效精确评估和个体化治疗方案的制定提供依据，完善TACE疗效评估体系。具体工作如下：.针对不同时期的DCE-CT图像中同一区域不同亮度的图像特征，提出了基于深度学习的多期DCE-CT图像肝脏区域同时分割方法，提高了图像分割精准度和效率。利用来自16名肝癌患者的6617张DCE-CT图像对模型进行训练；对6名患者的1754张来自不同时期DCE-CT图像的肝脏区域进行自动分割测试，Dice值达0.91±0.02。结果表明该模型可以同时将不同时期的DCE-CT图像中肝脏区域进行有效且精准的分割。.针对多期DCE-CT图像中肝脏区域可能存在空间位置上偏移的问题，提出了一种基于肝脏分割的多期DCE-CT图像肝脏配准方案。对肝脏区域进行三维重建后，利用肝脏质心等信息对各期DCE-CT图像中肝脏进行配准，以便进行后续自动化定时分析。经过实验论证，该配准方案可以将多期图像中的肝脏区域进行配准，可以为多期肝脏DCE-CT的配准以及信息融合提供有力的技术支撑。.针对肝癌的定量分析的重大需求，提出了一种基于多期肝脏DCE-CT图像的肝癌分类方法。对配准后的多期肝脏DCE-CT图像，提取肝脏区域中各像素点的信息并进行信息融合，对LightGBM算法构建定量分析模型并用交叉验证的方式对模型进行评价。实验结果表明准确率达91.14%，性能明显优于其他算法模型。可以将肝脏区域的病灶区域正确划分出来，为肝癌定量分析提供可靠依据。.共发表相关研究论文11 篇，均已标注项目编号，其中8 篇论文被EI/ SCI 收录，4 篇论文发表在中文核心期刊上。申请发明专利4件，获得软件著作权2件。